AI 术语表 · 基础 · 语言模型 · 安全与对齐 · 医疗与生物
医疗 LLM
医疗 LLM 是针对医学知识和病历等医疗数据进行调整的大语言模型，用于在医疗现场辅助问答、文书撰写和信息摘要。
通俗解释 它就像一位读过大量医学书籍、非常勤奋的医学生助理。擅长整理和起草，但最终诊断和处方必须由持证医生确认，这一点并无不同。
如何运作
其基础与通用 LLM 相同。在用大量文本预训练的模型上，用医学教科书、论文、诊疗指南、去标识化的病历等进行进一步训练（即微调），或采用 RAG 方式，在提问时检索可靠的医学资料并一同输入。这样，模型能更好地理解医学术语和诊疗文书格式，并按照医护人员的表达方式作答。近来，能同时处理影像和检验数值的多模态模型也在增加。
为什么重要
医护人员把相当一部分诊疗时间花在写记录和查资料上。医疗 LLM 可以通过总结诊疗对话生成记录草稿、一目了然地整理冗长的患者病史、快速查找最新指南等方式减轻这一负担。对患者而言，它可以成为用通俗语言解释难懂的检查结果或用药说明的助手。如果用得好，有助于增加医护人员与患者面对面的时间。
注意事项
LLM 可能产生幻觉，编造看似合理但错误的内容，而在医疗领域，这类错误直接关系到患者安全。因此，展示回答依据、由医护人员最终确认的人在回路结构被视为必不可少。诊疗数据是高度敏感的个人信息，去标识化和访问控制十分重要。直接用于诊断或治疗决策的功能，在一些国家可能受医疗器械监管（SaMD）。
医疗 LLM 引入前检查
安全
- 是否展示回答依据
- 是否由医护人员最终确认
数据·监管
- 诊疗数据是否已去标识化
- 是否控制访问权限
- 是否已确认属于医疗器械监管对象
示例
医院中较常尝试的用途是“病历草稿撰写”。通过语音识别将诊室对话转为文字后，医疗 LLM 按照症状、所见、计划等规定格式进行总结，生成录入电子健康记录（EHR）的草稿。医生阅读并修改草稿后保存。此外，它还用于起草对患者咨询的回复，或用通俗语言改写出院须知。